[평가 지표] Root Mean Square Error (RMSE)

Root Mean Square Error (RMSE) 설명

Root Mean Square Error (RMSE)는 회귀 모델 (Regression Model)이 잘 학습되었는지를 확인할 때 많이 사용되는 평가지표입니다.
RMSE는 실제 정답 값과 예측 값의 차이를 제곱한 후 평균을 구하여 도출 가능한 평균 제곱 오차(Mean Squared Error, MSE)에 제곱근을 씌어 구할 수 있으며, 값이 작을수록 모델의 성능이 좋다는 것을 의미합니다.
MSE와 전반적인 특징은 유사하지만 제곱근이 씌어져있기 때문에 실제 정답값과 같은 단위를 갖는 평가지표입니다.

 

※ MSE에 대한 설명은 아래 링크에서 확인할 수 있습니다.

2022.05.14 - [정리] - [평가 지표] Mean Squared Error (MSE)

RMSE의 수식은 아래와 같습니다.

 

 

수식에서 $Y_{i}$은 실제 정답 값을 의미하고, $\widehat{Y}_{i}$은 예측 값을 의미합니다.

 

 

RMSE의 장단점

- RMSE의 장점
1. 지표 자체가 직관적이며 실제 정답 값과 단위가 같음
2. MSE에 제곱근을 씌어주기 때문에 이상치로부터 생기는 값의 왜곡이 좀 MSE와 비교하였을 때 덜함

- RMSE의 단점
1. 스케일에 의존적이다. 에러의 크기가 동일해도 에러율이 동일하지는 않음
2. 오차를 제곱한 뒤 제곱근을 씌우기 때문에 회귀모델이 실제 정답보다 높게 예측하였는지, 낮게 예측하였는지를 파악하는 것이 어려움

 

 

RMSE 코드

- RMSE 사용자 정의 함수

 

- Scikit-Learn 라이브러리에 구현된 MSE 함수를 사용한 RMSE 코드